[論文レビュー] Artificial Neural Networks Based Analysis of BLDC Motor Speed Control

T. Porselvi, Sai Ganesh Cs+1 more|arXiv (Cornell University)|Aug 27, 2021

Sensorless Control of Electric Motors参考文献 10被引用数 12

ひとこと要約

本論文では、PI制御を施したBLDCモーターのMATLAB/Simulinkシミュレーションから得たデータを用いて学習させた人工ニューラルネットワーク（ANN）ベースの手法を提案し、ロータ速度、電磁的トルク、誘導起電圧（EMF）などの主要なBLDCモーターのパラメータを予測する。この手法は、動的モーター動作の高精度な予測を達成しており、ANNモデルが高い忠実度でシミュレーション結果を再現できることを示している。

ABSTRACT

Artificial Neural Network (ANN) is a simple network that has an input, an output, and numerous hidden layers with a set of nodes. Implementation of ANN algorithms in electrical, and electronics engineering always satisfies with the expected results as ANN handles binary data more accurately. Brushless Direct Current motor (BLDC motor) uses electronic closed-loop controllers to switch DC current to the motor windings and produces the magnetic fields. The BLDC motor finds various applications owing to its high speed, low maintenance and adequate torque capability. They are highly preferred than the other motors because of their better performance and it is easy to control their speed by Power Converters. This article presents a method of speed control of BLDC motors where speed is controlled by changing the DC input voltage of the bridge converter that feeds the motor winding. The control is done by using a PI based speed controller. The motor is modeled in the MATLAB/Simulink and the speed control is obtained with a PI controller. EMF signals, rotor speed, electromagnetic torque, Hall Effect signals, PWM and EMF signals simulations are then obtained. This acquired data is then fed into binary artificial neural networks and as a result, the ANN model predicts the corresponding parameters close to the simulation results. Both the mathematical based simulation and data based prediction gives satisfactory results

研究の動機と目的

• PI速度制御下でのBLDCモーターの動的パラメータを予測するデータ駆動型ANNモデルの開発。
• 人工ニューラルネットワークがMATLAB/SimulinkモデルによるBLDCモーターシステムのシミュレーション結果をどれだけ効果的に再現できるかを評価すること。
• ロータ速度、EMF、トルク、ホール効果信号の各パラメータについて、数学的シミュレーション結果とANNベースの予測結果を比較すること。
• 閉ループ制御システムにおけるモーター動作のリアルタイム推定に、バイナリ型ANNを用いることの妥当性を検証すること。

提案手法

• PIベースの速度制御器を備えたBLDCモーターをMATLAB/Simulinkでモデル化し、基準となるシミュレーションデータを生成する。
• ロータ速度、EMF、電磁的トルク、ホール効果信号、PWM波形といった主要なモーターシグナルをシミュレートする。
• シミュレーションデータをバイナリ入出力ペアに抽出・前処理し、ANNの学習に用いる。
• シミュレートされたデータを用いて、モーターのパラメータを予測するためのフィードフォワードバイナリ型人工ニューラルネットワークを学習させる。
• ANNの予測結果を元のSimulinkシミュレーション出力と照合し、妥当性を検証する。
• 非線形なモーター動的特性を捉えるために、隠れ層を備えたマルチレイヤーパーセプトロンアーキテクチャを用いる。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークは、PI制御器で制御されたBLDCモーターの動的挙動を高精度に予測できるか？
• RQ2 ANNモデルの出力は、同じシステムのMATLAB/Simulinkシミュレーション結果とどの程度一致するか？
• RQ3 ロータ速度、EMF、電磁的トルクといった主要パラメータについて、ANNの予測精度はどの程度か？
• RQ4 データ駆動型ANNモデルは、BLDCモーターシステムにおける従来のシミュレーションベースの制御解析をどれだけ代替または補完できるか？

主な発見

• ANNモデルは、シミュレーションデータと比較して、ロータ速度、EMF、電磁的トルク、ホール効果信号を高精度に予測できた。
• ANN出力とシミュレーション結果との間の予測誤差は最小限に抑えられており、訓練済みネットワークの優れた一般化能力を示している。
• バイナリ型ANNアーキテクチャは、PWMやホール効果データを含むモーター制御信号の離散的性質を効果的に処理できた。
• 数学的シミュレーションとデータ駆動型ANN予測を併用することで、全テストパラメータにおいて一貫性があり満足のいく結果が得られた。
• 本研究は、制御システム設計および解析において、ANNがBLDCモーター動的特性の信頼できるサーモンモデルとして機能できることを確認した。